图1 多微网电-碳-绿证耦合交易框架
Fig.1 A coupled electricity-carbon-green certificate trading framework for multi-microgrids
摘要 该文针对多微网系统电-碳-绿证多市场衔接过程中存在的市场交易公平和极端报价等问题，提出一种电-碳-绿证耦合交易方法。在日前阶段，构建多目标双向组合拍卖模型，各微网以买-卖双向参与主体向运营商投标，以多微网整体社会福利最大化和电量、碳排放权、绿证数量的中标量最大化为多目标，以双向组合拍卖供需平衡为等式约束，以抑制操纵的价格边界为不等式约束，获得多微网总体各类中标结果。在日内阶段，建立多微网电-碳-绿证交易优化的混合整数线性运行优化模型，将中标结果计入成本函数，以多微网运行成本最小为目标，调度各微网运行。算例表明，碳-绿证互认后的双向拍卖，提升了多微网系统内部中标量，减少了较高成本的外系统交易量；多微网间的优化运行使新能源消纳得到显著提升，系统总成本降低，促进可再生能源与储能的结合和应用。电-碳-绿证多市场耦合交易模式适用于低碳市场过渡期，可提升市场参与度与交易公平性，有利于微电网低碳高效运行。
关键词：微电网 多微网 双向组合拍卖 碳交易 绿证电-碳-绿证 多市场 碳排放权
由多个微电网（Microgrid, MG）互联构成的多微网（Multi-Microgrid, MMG）系统打破了单微电网自身规模的局限性，有效提升了新能源消纳率和供电可靠性，并降低了各微电网运行成本[1]。随着多微网联合运行模式的发展，实现多市场融合以进一步强化多微网碳减排管控与能源结构调整显得尤为重要。当前，我国电力市场、碳交易（Carbon Emission Trading, CET）市场和绿色证书交易（Green Certificate Trading, GCT）市场[2]呈现相辅相成的发展态势，绿色电力证书、碳排放权等环境权益产品并存。而不同环境权益产品的目标导向与功能定位存在一定相似性，市场规则的不同也模糊了交易资源之间的关系定位，在各市场有效衔接不足的情况下，合适的耦合交易体系，对减少碳排放、提高微电网风光消纳的能力可起到有效的市场作用[3-5]。
为实现多微网低碳运营，已有学者运用端对端（Peer-to-Peer, P2P）交易机制和碳流追溯理论来研究多微网电-碳耦合交易问题[6-7]，电-碳耦合交易在降低系统碳排放方面具有较好的效果。在多微网的碳交易中，若未能对绿电产生的环境效益予以抵扣或补偿，则各微网除完成自身碳排放权考核任务外，就不会再积极消纳绿色电力[8]。文献[9-10]深入研究了发电商参与的电-碳-绿证耦合交易问题，与电-碳交易对比，CET-GCT机制的引入具有促进碳减排和可再生能源消纳水平的显著作用。然而，仅将碳排放权和绿证两种交易机制并行作用于系统中，忽略两者间的联动，不利于推动多市场协同发展。同时，电-碳-绿证多市场融合下，多微网内的多利益主体[11]也使得交易过程更为复杂，如何建立高效的多微网耦合交易方法仍是一个亟须解决的问题。
近年来，基于拍卖理论的多微网协同运行方法受到了学术界的广泛关注。在计算复杂性方面，投标策略由微网制定，拍卖商仅需处理市场出清。在拍卖理论中，组合双向拍卖（Combinatorial Double Auction, CDA）作为组合拍卖和双向拍卖的结合，是买卖双方将多种商品按照不同种类和数量的组合进行双方报价拍卖的交易形式，具有“多对多”的市场结构[12]，避免了“一对多”“点对点”市场结构中的垄断现象。组合双向拍卖理论在共享储能、绿色氢能证书交易和调频市场等领域均有学者展开研究，其应用促进了系统的经济性，满足了买卖双方的互补性与替代性需求[13-14]。随着交易市场的多元化，微网参与电能与碳排放权、绿证的耦合交易可进一步满足多微网系统的低碳发展需要。
组合双向拍卖中的竞胜标决策多以买卖双方社会福利最大化为目标，即优先中标高出价买家和低要价卖家。然而，各微网是个体理性的，在交易时会追求自身利益最大化[15]，定价权赋予各微网可能引发潜在的问题：为提高自身中标优先级，部分微网出于自利性来极端报价，使得价格处于约束的阈值，影响交易公平性。如电力市场中，发电商通过追逐额外效益而抬高市场价格，形成市场力[16]，使之偏离正常竞争价格水平，损害了其他参与者的利益[17]；或是通过极端降价行为以挤垮竞争对手引发恶性竞争[18]。在多微网交易中，现有研究多以优化算法解决系统整体优化为目标，忽略了个体间的利益冲突[19]。
针对上述问题，根据CET-GCT机制和组合双向拍卖理论，本文提出了一种多目标组合双向拍卖的多微网电-碳-绿证耦合交易方法。微网作为买家和卖家双向参与日前多微网电-碳-绿证耦合交易的双向拍卖市场。微电网运营商（Micro-Grid Operator, MGO）充当拍卖商角色，负责资源分配和资金结算，以多微网社会福利最大化和中标量最大化为多目标确定中标微网，降低极端报价的影响，并引入模糊隶属度变量求解该问题。根据“国家核证自愿减排量”（Chinese Certified Emission Reduction, CCER）项目[20]提出微网碳-绿证互认下的碳排放权度量方法。以日前多微网竞标拍卖为基础，建立微网参与电-碳-绿证交易的优化运行模型。在日内阶段，由于预测发电量和负荷量相较于实际值有所偏差，过剩或不足的电能、碳排放权和绿证，统一向外部市场交易。
多微网电-碳-绿证耦合交易划分为两个阶段。日前阶段，各微网根据各自负荷与风光预测，以买卖双身份参与市场，向MGO申报电能、碳排放权与绿色证书的量和价，市场运营商通过双向拍卖模型，统一出清，确定市场出清价、中标买卖电量、绿证数量、碳排放权；当日阶段，微网依据日前结果与实时偏差，滚动调整机组、储能与可转移负荷，通过微网电-碳-绿证交易优化调度，降低多微网在多市场中的成本。
考虑到将碳-绿证的缺口或盈余在内部展开进一步交易可能会导致资源过剩与浪费，为了提高社会资源的利用效率，本文通过外部市场补购或转售完成履约与稽核，其盈亏由该微网自行承担；对于功率缺额，微网必须向上级电网以实时电价购电，对于功率盈余，只能选择弃风弃光，承担相应的机会成本损失。考虑多微网供电功能类似于自备电厂，上级电网限制其功率反送，因此假定微网不向上级电网送电[3]。MGO负责数据交互、信用管理与交易结算，耦合交易框架如图1所示。
图1 多微网电-碳-绿证耦合交易框架
Fig.1 A coupled electricity-carbon-green certificate trading framework for multi-microgrids
日前拍卖交易步骤如下：
1）各微网确定自身各资源的交易信息，以买家或卖家身份向MGO密封提交投标信息，包括投标价格、投标数量。
2）MGO根据各微网上报的投标信息，以社会福利最大化和中标总量最大化为多目标，出清微网群中各微网买卖电-碳绿证的量与价。
3）MGO更新各微网的交易信息，并进行资源匹配和资金结算，竞标失败或资源过剩的微网将根据日前拍卖交易结果制定当日发电计划，并参与外部碳-绿证市场交易。
1.2.1 绿证度量
GCT机制是政府监管部门将新能源补贴方式由政府直接补贴过渡到市场化补贴的一种方式。绿证作为绿色电力的消费凭证，在碳交易中体现绿电消费和绿证认购的减排价值，对于提升微网内新能源消纳和减排效益具有重要意义。
1个绿证单位对应1 MW·h的可再生能源发电量。第n个微网
在时段t可供参与交易的绿证数量
定义为
（1）
式中，
和
分别为t时段为满足政府规定的消纳责任权重所需的绿证数量和政府初始颁发的绿证数量；
为新能源配额系数，表示政府规定新能源出力在用户所需电力中应达到的占比；
为t时段的负荷需求量；
和
分别为t时段的光伏和风机出力；10-3为kW与MW的单位换算[3]。本文将消纳责任权重按固定系数分配至各时段，是为研究日内多时段拍卖出清机制而采用的假设，在实际市场中，消纳责任多为周期（如月度、年度）总量考核。
1.2.2 碳排放权度量
CET机制是指企业根据监管部门制定的碳配额，调整生产计划，控制碳排放，从而获得相应奖励收益。不同于大多数研究采用基准线法[21]确定初始碳排放权，本文对绿色电力部分的CCER碳减排量进行碳-绿证互认，将绿证用于抵消一部分碳减排考核量，以促进微网减排的积极性。
通过CCER可以量化可再生能源发电项目的减排效果，即新能源供能的碳减排量可定量计算。碳配额与绿证虽属不同的环境权益产品，但从碳减排角度出发，两者的互认与MG向原市场单独交易的思想并不冲突。当碳市场与绿证市场同时存在时，市场主体可同时参与碳和绿证的市场交易。在低碳市场建立的初步阶段，允许一定程度的重复获利作为过渡性安排，可刺激参与者，激发市场活力。从学术角度、政府部门的政策演进和市场机制调整的动态过程出发，本文涉及的绿证和碳减排的重复获利问题在当前市场发展待完善阶段具有研究价值。
绿证所对应的CCER等效碳减排量
表示为
（2）
式中，
为所在区域电网并网发电的组合边际碳排放因子，表示1张绿证所对应绿电的碳减排量；
、
分别为所在区域电网的电量、容量边际碳排放因子，分别取0.858 7、0.285 4 tCO2/(MW·h)；
、
分别为电量、容量边际排放因子权重，包含风机和光伏在内的新能源发电项目分别取0.75、0.25 tCO2/(MW·h)[22]。
微网中碳排放源主要来自上级购电与本地燃气轮机，且该文假设上级电网电能来源均为发电厂燃煤机组。碳-绿证互认后，可供在时段t参与交易的碳排放权
定义为
（3）
式中，
、
和
分别为t时段上级购电、燃气轮机的实际碳排放量和政府无偿分配的碳配额量；
和
分别为上级电网燃煤机组和燃气轮机的单位出力碳排放强度；
和
分别为上级电网燃煤机组和燃气轮机的单位出力碳排放权配额；
和
分别为t时段向上级电网的购电量和燃气轮机出力[3]。
2.1.1 卖家投标信息
当
为卖家时，对第
类资源的投标数量矩阵与投标价格矩阵分别为
（4）
（5）
式中，
、
分别为为卖家时对第类资源在
时段的投标数量和价格；=1、2、3分别表示电能、绿证、碳排放权资源。若未在t时段投标，则此时段和值为0。
中标情况矩阵为
（6）
式中，
为为卖家时对第k类资源在t时段的投标的中标情况，
。如为卖家时对
（电能）在t时段的投标电量为
，
=0.7，则中标电量为
。
2.1.2 买家投标信息
为买家时，投标数量矩阵与投标价格矩阵分别为
（7）
（8）
式中，
和
分别为为买家时对第类资源在t时段的投标数量和价格。若未在t时段投标，则此时段和值为0。
中标情况矩阵为
（9）
式中，
为为买家时对第类资源在t时段的投标的中标情况，
。
作为买家时对第k类资源投标时，T个时段内中标的时段数对于买家多多益善，但不能超过投标时段数，以“或”逻辑表示。
在实现拍卖交易社会福利最大化的同时，也应尽可能提高内部市场中标量以鼓励微网用户积极参与内部资源互济。因此，以社会福利最大化和中标量最大化的目标函数如下。
第k项资源的社会福利表示为
（10）
（11）
（12）
式中，
为第k项资源买家出价；
为第k项资源卖家出价；
为第k类资源的买家数量；
为第k类资源的卖家数量。
第k项资源的中标量表示为
（13）
1）组合投标逻辑。微网的投标逻辑以“或”逻辑表示，即中标时段的个数对于买家多多益善，多个报价对以“或”关系参与竞争；且中标时段数不超过其投标时段数，逻辑约束可表示为
（14）
式中，
为集合
的势，表示对第k类资源投标时段的总数。
2）反操纵。为激励各MG优先参与内部资源互济，自觉性地进行交易[19]，并降低微电网的运行成本，报价满足
（15）
式中，
、
分别为上级电网在时段发布的购、售电电价；
(
)、
(
)分别为外部碳、绿证市场的碳、绿证购价（售价）[23]。
3）供需平衡。买家中标资源量应等于卖家中标资源供给量。
（16）
1）隶属度函数
多目标组合双向拍卖的目标函数为社会福利最大化和中标量最大化，有下限而无上限的多目标期望适用升半型的隶属度函数。由于二点分布的升半矩形不适用求解连续性优化问题；而升半梯形分布需先确定
和
，但的确定在实际工程问题中无意义，故本文选用升半
分布。
定义为(0,1]间第k项资源的隶属度函数，有
（17）
式中，
为单目标函数
在满足约束条件下的最大值；i =1,2。
2）参与隶属度的确定
考虑到边界值的选取将直接影响优化结果的准确性，根据实际拍卖情况确定其取值：在满足约束的前提下，分别取各项资源拍卖目标函数的最大值，即最大的社会福利
和中标量
。
3）模糊转换
引入模糊隶属度变量
，根据最小值最大隶属度原则，将模糊多目标优化问题转换为单目标优化问题，即满足约束条件下，由历次寻优所得的两个目标隶属度
，先取两者中的最小值，再通过最大化该最小值作为多目标模糊化的隶属度，即
。因此，多目标组合双向拍卖下多微网电-碳-绿证耦合交易模型可转换为
（18）
式中，为第k项资源多目标模糊优化的隶属度；
为第k项资源社会福利的隶属度；
第k项资源中标量的隶属度。
在确认了可供参与交易的电能、绿证和碳排放权交易量后，微网的诉求表现为一个考核周期T内综合运行成本最小化，其优化运行模型为
式中，
为的总成本；
为向上级电网交易的购能成本；
和
分别为与外部绿证市场和碳市场的交易成本；
和
分别为的储能装置运行成本和燃气轮机发电成本；
为的机组运维成本；
为参与日前多微网CDA拍卖市场的交易成本；
为参与多微网电能交易的过网费用。
1）上级电网购能成本
（20）
式中，为t时段向上级电网的购电电价。
2）绿证市场交易成本
（21）
式中，
为表征t时段参与绿证市场交易的布尔变量，为买家时取1，为卖家时取0；
和
分别为t时段与外部绿证市场交易的绿证余量和需求量；和分别为外部绿证市场的绿证售价和购价。
3）碳市场交易成本
（22）
式中，
为表征t时段参与碳市场交易的布尔变量，为买家时取1，为卖家时取0；
和
分别为t时段与外部碳市场交易的碳排放权余量和需求量；和分别为外部碳市场交易的碳排放权售价和购价。
4）储能装置运行成本
（23）
式中，
和
为储能成本系数[24]；
和
分别为t时段储能装置的充、放功率；
为表示t时段储能装置充、放电状态的布尔变量，充电时取1，放电时取0。
5）燃气轮机发电成本
（24）
式中，
、
、
分别为衡量发电成本的二次项系数、一次项系数和常数项系数。由于风机和光伏机组不消耗化石燃料，故该文忽略内新能源机组发电成本。
6）机组运维成本
（25）
式中，
、
和
分别为光伏、风机和燃气轮机的维护系数。
7）CDA交易成本
（26）
式中，
为t时段参与第k项资源交易时的布尔变量，为买家时取1，为卖家时取0；
为t时段参与三类资源交易时产生的社会福利（卖家剩余与买家剩余之和，即买家出价与卖家要价之差[13]）。
在单向拍卖中，存在垄断优势的一方可以独占社会福利。为保障交易公平性，规定将交易产生的社会福利在买家和卖家之间均分[13]。
8）电能交易过网费用
式中，
为微网间单位电能交易的过网费，过网费由买家和卖家共同承担。
1）功率平衡约束
（28）
2）向其他微网以及绿证市场购买、出售的绿证数量与可供参与交易的绿证数量之间的关系满足绿证平衡约束，即
3）向其他微网以及绿证市场购买、出售的碳排放权与可供参与交易的碳排放权
之间的关系满足碳排放权平衡约束，即
4）燃气轮机容量约束
（31）
式中，
为燃气轮机出力上限。
5）新能源出力约束
（32）
式中，
、
分别为风机和光伏机组出力上限[24]。
6）储能装置运行约束[24]
（33）
式中，
为储能装置的单次充放电最大功率；
为t时段储能装置的最终输出功率；
、
分别为储能装置的充、放电效率；
为t时段储能装置容量；
为储能额定容量；
、
分别为储能装置容量的上、下限。
为突出多市场交易与CDA内部交易方法的特点[25]，并分析其对微电网运行与环境效益的影响，在多微网系统中，设置了6个微电网参与资源的互补互济[26]，并构建两种多微网运行模式进行对比验证分析。运行模式如下。
模式1：各微网间无交易，即各微网与大电网相连，但微网之间无直接的功率交互，微网只能与上级电网和外部碳-绿证市场交易。
模式2：各微网间有交易，各微网与大电网相连，且微网之间互联互通，微网之间可以进行功率交互和碳排放权、绿证交易，且选取多目标组合双向拍卖的多微网电-碳-绿证耦合交易方法。
参数设置中，新能源配额系数为0.72，绿证市场的购、售绿证价格分别为200元/本和150元/本；上级电网燃煤机组和燃气轮机的单位出力碳排放强度分别为0.9 tCO2/(MW·h)和0.65 tCO2/(MW·h)，碳市场的碳排放权价格为120元/t，各微网的风光出力和负荷预测值如图2所示。模型为混合整数线性模型，可采用YALMIP工具箱和商业软件CPLEX在Matlab中仿真分析。
图2 各微网的风光出力和负荷预测值
Fig.2 Wind, PV and load forecasts for each microgrid
将“无交易（模式1）”与“多微网电-碳-绿证耦合交易（模式2）”对比分析。图3给出了各微网的风光消纳与碳排放。对具备可再生能源盈余的微网（如MG1、MG2），模式1中存在明显弃风弃光；引入模式2后，盈余电量经CDA在微网间转移，消纳得到显著提升，其中MG1、MG2的风光消纳量由4 926.1 kW·h和10 576 kW·h分别提升至11 144 kW·h和20 578 kW·h；由于可再生出力被更充分利用，其持有的绿证与可用碳配额同步增加，系统总成本进一步降低。
图3 模式1、2下各微网风光消纳与碳排放情况对比
Fig.3 Zone scenery consumption and carbon emissions for each microgrid in Modes 1 and 2
图4比较了各微网的运行成本。对新能源不足的微网（如MG4、MG5），模式1为满足负荷需购买更多网电或提升燃气轮机出力，导致碳排放与购能成本上升；模式2通过“内生互济+外部市场补充”显著抑制碳排放与成本。以MG4为例，系统碳排放由6 652.9 kg降至3 709.9 kg；同时，来自MG1、MG2的富余电能被有效吸纳，资源在微网之间实现了更优配置。
图4 模式1、2下各微网运行成本对比
Fig.4 Comparison of operating costs of each microgrid under Modes 1 and 2
以MG1与MG5为代表，图5与图6给出了两种模式下的分时电功率优化过程及其运行后果。模式1中，MG1在9:00—16:00风光出力较好，却因缺乏跨微网的就地消纳通道而出现弃风弃光；对应的机组指令由“以网定发”转为“限发保平衡”，可再生能量被动截断，既未形成收益，也未转换为绿证与可用碳配额。MG5则处于另一端：可再生出力相对不足且在9:00—12:00与17:00—24:00出现典型负荷高峰，只能抬升燃气轮机出力，并追加上级购电以保障功率平衡，导致边际发电成本、购能成本与碳排放同步上扬，随之推高CET-GCT交易成本，经济性与低碳性均不理想。
图5 模式1、2下微网1的电功率优化
Fig.5 Electrical power optimization of MG1 in Modes 1 and 2
图6 模式1、2下微网5的电功率优化
Fig.6 Electrical power optimization of MG5 in Modes 1 and 2
引入模式2后，各微网参与电-碳-绿证耦合的组合双向拍卖，形成“盈余侧-缺口侧”内部互济。MG1富余绿电实现外售，新能源出力由“被动限发”转为“以销定发”，并同步获取电能及碳/绿证收益，提升交易活跃度与资源配置效率，推动“增收-消纳-减排”的正向循环。MG5在负荷高峰期由其他微网购电，燃气轮机边际出力被有效压降，碳排放增长受控，进而降低CET-GCT成本与总运行成本。由图5b与图6b可见，模式2明显减少了MG1的弃风弃光并平抑了MG5的化石机组出力“尖峰”，验证了交易-运行联动带来的时空重构效应。
在“微网之间无交易”的前提下，仅引入碳-绿证互认机制即可带来可观的低碳激励与成本改善。图7给出了MG4在互认机制启用前后的电功率平衡。实施互认机制后，绿证与碳排放权可相互映射：本地消纳的可再生电量可折算为等量的绿色电力证书，这些证书可以用来抵扣部分碳排放配额需求。由此可见，微网消纳的绿电越多，实际需要购买的碳配额就越少，相应碳成本也更低。在价格信号作用下，MG4的储能由“负荷跟踪”转向“可再生出力跟踪”：充电窗口前移至可再生富集时段，放电窗口与负荷峰段对齐。由此既减少弃风弃光，也以更低边际成本替代上级购电和燃气轮机出力。由图7b可见，互认后MG4的新能源出力被更充分地消纳，储能充放电策略更合理，体现出互认机制通过价格-配额通道对运行优化的直接约束效应。
图7 引入碳-绿证互认机制前后微网4的电功率平衡情况
Fig.7 Electrical power balance of MG4 before and after the introduction of the carbon - green certificate mutual recognition mechanism
含碳-绿证互认交易机制对微网的运行结果影响如图8所示。从跨微网的总体量化结果看，互认机制对资源禀赋不同的微网产生了差异化收益。对新能源充裕的MG1、MG2，互认后可将更多的绿电折为绿证并抵扣碳配额，叠加CET-GCT交易收益，总成本分别下降682.5元与1 457.8元；对新能源相对短缺的MG2、MG5，其风光消纳量分别增加514 kW·h与472.5 kW·h，对应碳排放分别减少274.8 kg与389.2 kg，说明互认在“增消纳-降排放-降成本”的链路上形成了稳定的正反馈。需要指出的是，在未引入微网间能量互济的前提下，新能源相对不足、仍依赖上级购电和燃气轮机的微网，虽在互认机制作用下碳排放与消纳有所改善，但受本地资源与机组条件限制，碳与绿证相关成本以及总运行成本的降幅整体仍然较为有限。
图8 含碳-绿证互认交易机制对微网的运行结果影响
Fig.8 Impact of the carbon-green certificate mutual recognition trading mechanism on the operation results
综上所述，碳-绿证互认在不改变网络能量流向的条件下，仍能通过“将可再生消纳货币化”的方式，显著改善微网的经济性与低碳性。其作用机理体现在：以价格和配额边界重塑储能与机组的出力结构，提升本地风光的时空吸纳能力。但由于缺少跨微网的内部互济，对新能源短缺型微网的激励强度受限。
为比较不同中标目标对中标结果与运行绩效的影响，本文以CDA电能交易为例开展对比。各微网在日前阶段提交的投标信息如图9所示。图9a为投标量，图9b为投标价格。为便于直观展示，纵轴取正值表示买方投标（购入电量与对应报价），取负值表示卖方投标（售出电量与对应报价，以下同）。从时段分布看，17:00—20:00受光伏出力下滑与晚高峰负荷叠加影响，买方需求显著上升而可售电量相对不足，形成典型的“高需求-低供给”时段；其余时段，尤其是白天光伏富集与夜间风机来流较好的时段，MG1、MG2等具备可再生能源盈余的微网拥有较强的售电能力，既为其自身创造收益，也为系统提供了潜在的互济来源。
图9 各微网电能投标信息
Fig.9 Bidding information for each microgrid
在此基础上，MGO分别按照“社会福利最大化”“中标量最大化”“多目标”三种目标规则匹配中标者与中标电量，对应的社会福利与中标量统计见表1。总体而言，三种目标下的社会福利数值相近；相较“社会福利最大化”，“中标量最大化”的社会福利低255.34元，但成交中标量高出1 268.62 kW·h，体现出“以更高的参与覆盖换取一定的效率让渡”的取舍关系。引入模糊隶属度后求解多目标问题，所得解位于两单目标解之间，且无法在不损害另一目标的前提下继续提升某一目标，呈现典型的帕累托折中：在保证社会福利接近最优的同时，有效地提高了总体中标量与市场参与度。
表1 各中标目标下的交易情况
Tab.1 Transactions under each winning target
中标目标总社会福利/元总中标量/(kW·h) 社会福利最大化5 697.3934 839.16 中标量最大化5 442.0536 107.78 多目标5 550.6335 958.49
综合图9与表1可以看出，目标规则对供需错配时段的资源配置具有显著影响。社会福利最大化倾向于优先撮合高净效益的交易，能在稀缺时段压低系统成本，但可能造成个别高报价买方或低成本卖方的“占优”；中标量最大化则更强调覆盖面与流量，能够明显提升成交规模与活跃度，却不可避免地带来一定的福利损失；多目标在两者之间取得平衡，一方面抑制高报价主体的“垄断式”中标，另一方面维持较高的总体福利水平。该结果表明，在多微网场景下，兼顾社会福利与中标量的目标设计更有利于形成既有效率又具有包容性的市场生态，并为后续运行优化创造更好的边界条件。
为进一步评估中标目标对个体微网的影响，选取MG4与MG5对比其交易与运行结果，如图10和图11所示。在碳-绿证机制的持续激励下，两者的可再生消纳均处于较优水平，但不同目标下的中标结构存在明显差异：在社会福利最大化规则中，因MG4作为买方在关键时段报价更高，MGO优先撮合其交易，MG5的中标量相对受限；当目标切换为中标量最大化时，优先级转向“覆盖度”，MG4的中标量下降而MG5显著上升，数值分别为3 882.8 kW·h与3 652.92 kW·h，后者较福利目标增加1 985.37 kW·h。该规则虽抑制了“高报价占优”，但在两者中标量接近的情况下，MG4因报价更高，单位中标量的交易成本仍明显偏大。在多目标规则下（兼顾社会福利与中标量），中标结构更为均衡：相对福利目标，MG4的中标量仅小幅减少244.66 kW·h，MG5增加1 097.8 kW·h（见图10），在一定程度上缓解了高报价主体“占大头”的现象，并提升了中低报价主体的获得感。运行侧结果亦与之呼应（见图11）：福利目标下系统总成本与碳排放最低；中标量目标显著扩大成交规模，但峰段购电与化石机组边际出力上升，成本与排放相对走高；多目标的总成本、风光消纳与碳排放居两者之间，在效率与参与之间取得更稳健的折中。综合来看，多目标在效率与包容间取得更稳健的折中，既保持接近最优福利，又提升了中标覆盖率与公平性，更契合多微网“降本-减排-促参与”的综合目标。
图10 各中标目标下微网4、5的中标量对比
Fig.10 Comparison of the winning volume of MG 4 and 5 under each winning target
图11 各中标目标下微网4、5的运行结果对比
Fig.11 Comparison of operational results of MG 4 and 5 under each winning target
面向电-碳-绿证多市场衔接不足以及个别主体极端报价引发的公平性问题，本文提出并验证了“多目标组合双向拍卖-运行优化”的一体化多微网耦合交易框架。在统一的价格与约束体系下，拍卖出清结果计入微网混合整数线性调度模型，实现了市场层与运行层的闭环联动；同时引入碳-绿证互认机制，将低碳属性以可度量、可结算的方式纳入决策，使多微网在追求经济性的同时兼顾低碳激励。
该方法协调各微网机组出力，提升绿证和碳排放权在时间-空间维度的配置效率与系统总体收益。以中标量作为目标，可使参与覆盖面与分配公平性得到改善；相较单一“社会福利最大化”，虽有一定的经济性损失，但换取了电碳绿证内部中标量的提升，减少了较高成本的外系统交易。在运行层面，碳-绿证互认促使储能充放电策略围绕可再生出力进行调控，风光消纳量提升，碳排放总量下降，体现出交易机制与运行优化的协同。
电-碳-绿证多市场在低碳发展的过渡期起到了良好市场衔接作用。在多微网参与多市场交易的过程中，微网间的联络费用、网络拥塞管理费用等需要进一步计入交易模型，兼顾“公平-效率-低碳”目标，支撑微网市场交易和经济运行。
附 录
附图1 各微网购售电报量报价
App.Fig.1 Quotation of purchase and sale telegram volume for each microgrid
附图2 各微网购售绿证报量报价
App.Fig.2 Bidding of purchase and sale volume and price for green certificates in each microgrid
附图3 各微网购售碳排放权报量报价
App.Fig.3 Bidding of purchase and sale volume and price for carbon allowances in each microgrid
参考文献
[1] 董雷, 杨子民, 乔骥, 等. 基于分层约束强化学习的综合能源多微网系统优化调度[J]. 电工技术学报, 2024, 39(5): 1436-1453. Dong Lei, Yang Zimin, Qiao Ji, et al. Optimal scheduling of integrated energy multi-microgrid system based on hierarchical constraint reinforcement learning[J]. Transactions of China Electrotechnical Society, 2024, 39(5): 1436-1453.
[2] 洪芦诚, 王梓萩, 林今, 等. 电-碳-绿证市场背景下电氢协同典型形态及参与模式研究综述[J]. 电工技术学报, 2025, 40(23): 7498-7514. Hong Lucheng, Wang Ziqiu, Lin Jin, et al. A review of typical forms and participation models of electricity-hydrogen synergy in the context of electricity-carbon-green certificate markets[J]. Transactions of China Electrotechnical Society, 2025, 40(23): 7498-7514.
[3] 袁亮, 宋啸宇, 黄婧杰, 等. 考虑电-热功率柔性平衡的电解铝园区综合能源系统协整优化调度[J/OL]. 中国电机工程学报, 2025: 1-14. (2025-11-07)[2025-12-23]. https://link.cnki.net/urlid/11.2107.tm. 20251107.1124.010. Yuan Liang, Song Xiaoyu, Huang Jingjie, et al. Cointegration optimization scheduling of integrated energy systems for aluminum electrolysis parks considering flexible electric-thermal power balance [J/OL]. Proceedings of the CSEE, 2025: 1-14. (2025-11-07)[2025-12-23]. https://link.cnki.net/urlid/11.2107. tm.20251107.1124.010.
[4] 梁宁, 缪猛, 徐慧慧, 等. 考虑绿证-碳交易机制的综合能源系统双层优化调度[J]. 太阳能学报, 2024, 45(7): 312-322. Liang Ning, Miao Meng, Xu Huihui, et al. Bi-level optimal scheduling of integrated energy system considering green certificates-carbon emission trading mechanism[J]. Acta Energiae Solaris Sinica, 2024, 45(7): 312-322.
[5] 国家发展改革委, 财政部, 国家能源局. 关于做好可再生能源绿色电力证书全覆盖工作促进可再生能源电力消费的通知[EB/OL]. (2023-07-25)[2025-09-01]. https://www.ndrc.gov.cn/xwdt/tzgg/202308/ t20230803_1359093.html.
[6] 董雷, 李扬, 陈盛, 等. 考虑多重不确定性与电碳耦合交易的多微网合作博弈优化调度[J]. 电工技术学报, 2024, 39(9): 2635-2651. Dong Lei, Li Yang, Chen Sheng, et al. Multi-microgrid cooperative game optimization scheduling considering multiple uncertainties and coupled electricity-carbon transactions[J]. Transactions of China Electrotechnical Society, 2024, 39(9): 2635-2651.
[7] 陈传彬. 考虑碳市场与可再生能源配额制的电能量市场交易机制优化[J]. 电气技术, 2025, 26(2): 56-62. Chen Chuanbin. Optimization of the trading mechanism of electric energy market considering carbon market and quota system[J]. Electrical Engineering, 2025, 26(2): 56-62.
[8] Zhou Ying, Zhao Xingang. The impact of Renewable Portfolio Standards on carbon emission trading under the background of China’s electricity marketization reform[J]. Energy, 2021, 226: 120322.
[9] 陈巍, 江岳文. 碳-绿证-电量市场耦合交易优化研究[J]. 电网技术, 2023, 47(6): 2273-2284. Chen Wei, Jiang Yuewen. Trading optimization of carbon-green certificate-electricity market coupling[J]. Power System Technology, 2023, 47(6): 2273-2284.
[10] 李鹏, 刘浩, 李雨薇. 考虑两阶段碳交易的多园区综合能源微网混合博弈优化运行方法[J]. 电工技术学报, 2025, 40(15): 4788-4803. Li Peng, Liu Hao, Li Yuwei. Multi-park integrated energy microgrids hybrid game optimization strategy considering two-stage carbon trading[J]. Transactions of China Electrotechnical Society, 2025, 40(15): 4788-4803.
[11] 李鹏, 吴迪凡, 李雨薇, 等. 基于综合需求响应和主从博弈的多微网综合能源系统优化调度策略[J]. 中国电机工程学报, 2021, 41(4): 1307-1321. Li Peng, Wu Difan, Li Yuwei, et al. Optimal dispatch of multi-microgrids integrated energy system based on integrated demand response and Stackelberg game[J]. Proceedings of the CSEE, 2021, 41(4): 1307-1321.
[12] Li Qihui, Jia Xiaohua, Huang Chuanhe, et al. A dynamic combinatorial double auction model for cloud resource allocation[J]. IEEE Transactions on Cloud Computing, 2023, 11(3): 2873-2884.
[13] 孙偲, 郑天文, 陈来军, 等. 基于组合双向拍卖的共享储能机制研究[J]. 电网技术, 2020, 44(5): 1732-1739. Sun Si, Zheng Tianwen, Chen Laijun, et al. Energy storage sharing mechanism based on combinatorial double auction[J]. Power System Technology, 2020, 44(5): 1732-1739.
[14] 骆钊, 刘德文, 贾芸睿, 等. 考虑绿色氢能证书和水电制氢的综合能源系统优化运行[J]. 电网技术, 2024, 48(4): 1445-1454. Luo Zhao, Liu Dewen, Jia Yunrui, et al. Optimal operation of integrated energy system considering green hydrogen certificate and hydrogen production by hydropower[J]. Power System Technology, 2024, 48(4): 1445-1454.
[15] Sun Tiankui, Lu Jian, Li Zhimin, et al. Modeling combined heat and power systems for microgrid applications[J]. IEEE Transactions on Smart Grid, 2018, 9(5): 4172-4180.
[16] 赵万宗, 韦化, 韦昌福, 等. 考虑市场力风险约束的最优AGC控制模型[J]. 电力自动化设备, 2018, 38(5): 77-82, 109. Zhao Wanzong, Wei Hua, Wei Changfu, et al. Optimal AGC model with risk constraints of market power[J]. Electric Power Automation Equipment, 2018, 38(5): 77-82, 109.
[17] 董礼, 王胜华, 华回春, 等. 中国现货电力市场中发电企业滥用市场力违规识别[J]. 中国电机工程学报, 2021, 41(24): 8397-8407. Dong Li, Wang Shenghua, Hua Huichun, et al. Identification of market power abuse in spot market of Chinese electric market[J]. Proceedings of the CSEE, 2021, 41(24): 8397-8407.
[18] Huang Jingjie, Zhang Zhiyao, Yuan Liang, et al. Efficiency optimization model for coal-fired power plants with CCS in emissions trading markets[J]. Sustainable Energy Technologies and Assessments, 2026, 85: 104803.
[19] 李得民, 吴在军, 赵波. 多微电网系统的合作博弈模型及其优化调度策略[J]. 中国电机工程学报, 2022, 42(14): 5140-5153. Li Demin, Wu Zaijun, Zhao Bo. Cooperative game model and optimal dispatch strategy of multi-microgrid system[J]. Proceedings of the CSEE, 2022, 42(14): 5140-5153.
[20] 杨易达, 高红均, 刘挺坚, 等. 考虑CCER收益共享激励火电机组深度调峰的电力系统低碳调度[J]. 电力自动化设备, 2024, 44(9): 121-128. Yang Yida, Gao Hongjun, Liu Tingjian, et al. Low carbon dispatch of power system considering CCER revenue sharing incentive for deep peak-shaving of thermal power units[J]. Electric Power Automation Equipment, 2024, 44(9): 121-128.
[21] 尚楠, 陈政, 冷媛. 电碳市场背景下典型环境权益产品衔接互认机制及关键技术[J]. 中国电机工程学报, 2024, 44(7): 2558-2577. Shang Nan, Chen Zheng, Leng Yuan. Mutual recognition mechanism and key technologies of typical environmental interest products in power and carbon markets[J]. Proceedings of the CSEE, 2024, 44(7): 2558-2577.
[22] 生态环境部. 2019年度减排项目中国区域电网基准线排放因子[EB/OL]. (2020-12-29)[2025-09-01]. https://www.mee.gov.cn/ywgz/ydqhbh/wsqtkz/202012/ t20201229_815386.shtml.
[23] 李亚峰, 王维庆, 寇洋, 等. 考虑绿证-碳联合交易与需求响应综合能源系统经济运行[J]. 太阳能学报, 2023, 44(11): 538-546. Li Yafeng, Wang Weiqing, Kou Yang, et al. Considering green certificate-carbon joint trading and demand response integrated energy system economic operation[J]. Acta Energiae Solaris Sinica, 2023, 44(11): 538-546.
[24] 周任军, 石亮缘, 汤吉鸿, 等. 多功率曲线协整度约束下的源-荷-储优化协整模型[J]. 中国电机工程学报, 2019, 39(12): 3454-3464. Zhou Renjun, Shi Liangyuan, Tang Jihong, et al. Source-load-storage optimization cointegration model under multi-power curve cointegration degree constraints[J]. Proceedings of the CSEE, 2019, 39(12): 3454-3464.
[25] 帅轩越, 王秀丽, 吴雄, 等. 计及条件风险价值下基于合作博弈的多微网协同优化调度[J]. 电网技术, 2022, 46(1): 130-137. Shuai Xuanyue, Wang Xiuli, Wu Xiong, et al. Cooperative optimal scheduling of multi-microgrids based on cooperative game considering conditional value at risk[J]. Power System Technology, 2022, 46(1): 130-137.
[26] Xu Shuqin, Xu Qi. Optimal pricing decision of tradable green certificate for renewable energy power based on carbon-electricity coupling[J]. Journal of Cleaner Production, 2023, 410: 137111.
Abstract Coordinated low-carbon operation of multi-microgrid (MMG) systems increasingly requires joint participation in electricity trading, carbon emission trading (CET), and green certificate trading (GCT). In practice, fragmented attribute accounting and strategic extreme bidding may reduce renewable accommodation and weaken transaction fairness. A coupled electricity-carbon-green certificate trading framework was developed to improve market linkage and promote low-carbon benefits sharing among multiple microgrids (MGs). A two-stage market-and-operation framework was established. In the day-ahead stage, each MG acted as both buyer and seller and submitted sealed bids for electricity, carbon allowances, and green certificates to a microgrid operator (MGO). A multi-objective combinatorial double auction (CDA) clearing model was formulated to (i) maximize MMG social welfare and (ii) maximize total winning quantities across the three commodities. Auction balance constraints were enforced, and price boundary constraints were imposed to mitigate extreme bids. The multi-objective problem was solved using fuzzy membership–based satisfaction aggregation to obtain a single compromise clearing outcome. To couple CET and GCT, a carbon-green certificate mutual-recognition method was introduced by mapping renewable attributes into carbon compliance credits based on the Chinese Certified Emission Reduction (CCER) mechanism, enabling consistent settlement between certificates and carbon allowances. In the intraday stage, MG operation was optimized using mixed-integer linear programming (MILP). Day-ahead cleared quantities and settlejianshments were embedded in the cost function, while controllable generators, energy storage, and flexible loads were dispatched to minimize operating cost under forecast errors. Residual imbalances in electricity, allowances, and certificates were settled via external markets. Compared with a baseline without coupled internal trading, the proposed framework increased renewable accommodation and reduced emissions by reallocating renewable surplus through internal transactions and by aligning environmental attributes with compliance incentives. After enabling carbon–green certificate mutual recognition, additional cost reductions were achieved for renewable-rich MGs, while renewable-deficit MGs improved renewable accommodation by 514 kW·h and 472.5 kW·h with corresponding emission reductions of 274.8 kg and 389.2 kg. The auction objective choice affected equity and coverage: welfare-only clearing minimized cost and emissions, volume-only clearing expanded transaction scale but increased marginal peak-hour reliance, and the proposed multi-objective rule balanced efficiency and participation. Under the multi-objective rule, the winning volume of MG4 decreased by 244.66 kW·h while that of MG5 increased by 1 097.8 kW·h, indicating improved allocation balance. A price-bounded multi-objective CDA coupled with intraday MILP dispatch enhances renewable accommodation, lowers emissions, and improves participation equity for MMG systems engaged in electricity-carbon-green certificate co-trading. Carbon-green mutual recognition provides a practical linkage that strengthens low-carbon incentives during transitional policy periods.
Keywords: Microgrid, multi-microgrid, two-way combination auction, carbon trading, green certificate, electricity-carbon-green certificate, multi-market, carbon emission rights
DOI: 10.19595/j.cnki.1000-6753.tces.251574
中图分类号：TM732；F42
国家重点研发项目（2024YFE0202600）、国家自然科学基金（72342001, U25A20387）、湖南省自然科学基金（2025JJ10009, 2025QK1004, 2025RC9010）和电网防灾减灾全国重点实验室项目（CSUST-SKL202501）资助。
收稿日期 2025-09-09
改稿日期 2026-01-23
黄婧杰 女，1990年生，博士，副教授，硕士生导师，研究方向为电力系统优化运行、综合能源系统等。E-mail：jingjie.huang@csust.edu.cn
袁 亮 男，1994年生，博士，讲师，硕士生导师，研究方向为新能源并网稳定性与控制、综合能源系统等。E-mail：liang.yuan@csu.edu.cn（通信作者）