【压缩空气储能】非补燃压缩空气储能系统集成的零碳排放综合能源优化调度附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

针对高比例可再生能源接入下综合能源系统存在的源荷波动性强、碳流管控缺失及储能调节能力不足等问题，提出一种非补燃压缩空气储能（Non-Combustion CAES, NC-CAES）集成的零碳排放综合能源优化调度机制。首先构建 “可再生能源 - NC-CAES - 多能负荷 - 碳捕集” 的零碳综合能源系统架构，明确电 - 气 - 热多能流传输约束与碳平衡约束；其次设计基于源荷预测的分层优化调度策略，通过动态调整 NC-CAES 充放能模式、多能转换系数及碳捕集功率，实现经济性与零碳目标的协同优化；最后引入滚动时域优化算法，提升系统对源荷预测误差的鲁棒性。仿真结果表明，该机制相比传统调度方案，在可再生能源消纳率、系统碳排放强度及综合运行成本方面均有显著改善，碳排放强度可降至 0.02 t/(MWh) 以下，适配高比例可再生能源的零碳运行需求。

关键词

非补燃压缩空气储能；零碳排放；综合能源系统；优化调度；多能流协同；滚动时域优化

1 引言

1.1 研究背景与意义

在 “双碳” 目标与能源转型驱动下，以风电、光伏为代表的可再生能源大规模并网成为综合能源系统的核心特征 [1]。然而，可再生能源的间歇性与随机性导致系统源荷平衡难度激增，传统调度机制因缺乏灵活调节资源与碳流管控能力，难以兼顾经济性与零碳目标 [2]。非补燃压缩空气储能（NC-CAES）凭借零燃烧、高安全性及长寿命优势，通过 “电网低谷储电压缩 - 高峰释能发电” 的运行模式，成为平抑可再生能源波动的关键支撑技术 [3]。

将 NC-CAES 与电、气、热多能系统及碳捕集技术深度集成，构建零碳排放综合能源系统，需解决三大核心挑战：

1. 源荷协同失配：可再生能源出力与多能负荷的时空波动差异，易导致系统功率缺额或弃风弃光；

1. 碳流管控缺失：传统调度仅关注电能量平衡，未建立 “能源转换 - 碳排核算 - 捕集调节” 的闭环管控；

1. 储能运行僵化：NC-CAES 的充放能策略多采用固定时段控制，无法适配源荷动态变化与多能互补需求。

因此，设计 NC-CAES 集成的零碳优化调度机制，实现 “源荷预测 - 多能协同 - 碳流管控” 的一体化优化，对提升综合能源系统的零碳运行能力具有重要理论与工程意义。

1.2 研究现状

当前 NC-CAES 与综合能源调度的相关研究主要集中在以下方面：

• NC-CAES 运行优化：文献 [4] 提出基于峰谷电价差的 NC-CAES 经济调度模型，通过优化充放能时段实现收益最大化，但未考虑多能互补与碳约束；文献 [5] 建立 NC-CAES 与燃气轮机的联合运行模型，提升了系统调节灵活性，但仍依赖化石能源补能，不符合零碳要求。

• 零碳综合能源调度：文献 [6] 引入碳交易机制构建电 - 热零碳调度模型，通过经济杠杆激励低碳运行，但未配置长时储能导致可再生能源消纳受限；文献 [7] 设计含光伏 - 储能 - 碳捕集的微网调度策略，聚焦于局部系统优化，缺乏对大规模多能流系统的适配性。

• 多能协同调度技术：现有研究多采用混合整数规划方法优化电 - 气 - 热转换设备出力 [8]，但未充分挖掘 NC-CAES 的 “储电 - 释能 - 余热利用” 多特性，导致多能互补潜力未被充分释放。

本文针对现有研究不足，构建含 NC-CAES 的零碳综合能源系统架构，设计基于源荷预测的分层优化调度策略，结合滚动时域优化实现动态适配，提升系统的零碳运行性能。

2 系统模型与问题描述

4 结论与展望

本文提出非补燃压缩空气储能集成的零碳排放综合能源优化调度机制，通过构建多能流零碳系统架构与分层优化策略，实现了可再生能源消纳、零碳目标与经济性的协同提升。仿真验证了该机制在高比例可再生能源场景下的优越性。

未来研究方向可包括：

1. 考虑 NC-CAES 储气库压力动态特性，建立更精准的非线性运行模型；

1. 引入分布式 NC-CAES 与微电网协同，扩展零碳调度的应用场景；

1. 融合数字孪生技术，实现调度策略的虚实联动与在线优化。

⛳️ 运行结果

🔗 参考文献

[1] 康丽虹.考虑多气源的电-气综合能源系统低碳经济调度[D].太原理工大学[2025-11-28].

[2] 郑浩伟.含共享储能的虚拟电厂运行优化和收益分配策略[D].华北电力大学(北京),2023.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇